O que quant-alpha-research-skill faz?
Skill para Codex/Claude Code com falha segura para pesquisa de alpha quant em criptomoedas - Estágio 0, falseabilidade, concordância de provedores, portões de promoção
Skill para Codex/Claude Code com falha segura para pesquisa de alpha quant em criptomoedas - Estágio 0, falseabilidade, concordância de provedores, portões de promoção
Este skill fornece um framework rigoroso e seguro para pesquisa quantitativa de alpha em criptomoedas, especialmente projetado para os estágios iniciais (Estágio 0) onde a falseabilidade e a validação de hipóteses são críticas. Ele sistematiza o processo de pesquisa com três mecanismos principais: (1) falseabilidade — garantindo que cada hipótese possa ser claramente refutada por dados; (2) concordância de provedores — exigindo que múltiplas fontes de dados (exchanges, provedores de mercado) concordem antes de aceitar um sinal; e (3) portões de promoção — etapas de validação incremental que promovem uma hipótese da concepção para backtesting controlado, evitando overfitting e viés de sobrevivência. O skill adota uma filosofia "fail-closed", ou seja, por padrão rejeita qualquer sinal ou estratégia a menos que todos os critérios sejam explicitamente satisfeitos. Suporta ferramentas como Codex (OpenAI) e Claude Code (Anthropic), integrando-se diretamente ao ambiente de desenvolvimento do agente para executar análises, gerar relatórios e manter registros de decisões. É ideal para equipes de quant research que desejam impor disciplina metodológica e rastreabilidade completa em suas investigações de alpha.
npx skills add junsier9/quant-alpha-research-skillInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Skill para Codex/Claude Code com falha segura para pesquisa de alpha quant em criptomoedas - Estágio 0, falseabilidade, concordância de provedores, portões de promoção
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.